quantitative

摘要： 前 15 篇文章，我们把盯盘脚本从零搭到了 PDF 复盘报告。但还有一个问题——每次都要手动 python run.py，关机重启后脚本就停了，日志无限膨胀，崩了也不会自动重启。 生产级脚本应该是这样的：开机自启、后台常驻、崩溃自愈、日志自动切割——这些在 Linux 上，systemd + log 阅读全文

摘要： 每天收盘后，你是不是也这样——打开同花顺切到指数页看一眼，翻涨幅榜数前几名，再翻板块排行找热点，最后在脑子里拼凑出一张"今天行情到底怎么样"的大图…… 这个过程少则 10 分钟，多则半小时。而且——每天做的事一模一样，完全可以交给 Python。 这篇文章用不到 200 行 Python，收盘后一键 阅读全文

摘要： 上一篇我们监控了 ETF 与跟踪指数的偏离。但 ETF 只覆盖大类资产和行业，如果你想抓住更细的概念轮动——比如今天半导体、人工智能、低空经济、机器人哪个板块在异动——就需要直接监控概念板块的成分股。 这篇文章用 Python 批量拉取概念板块成分股，计算板块平均涨跌幅，输出盘中概念板块异动排行榜。 阅读全文

摘要： 上一篇我们监控了宽基指数，但指数只能看方向，不能直接交易。真正在二级市场买卖的是 ETF：沪深 300ETF、创业板 ETF、科创 50ETF…… ETF 的盘中价格会围绕跟踪指数波动。如果 ETF 涨得比指数快，说明资金在抢筹；如果 ETF 明显弱于指数，可能是溢价收窄或资金流出。这个「偏离度」就 阅读全文

摘要： 上一篇我们解决了「告警怎么发到手机」。但还有一个问题：你盯着自选股涨跌，却不知道大盘在干嘛。个股突然跳水，是自身利空还是整个市场都在砸？创业板指狂拉，你的持仓没动，是跑输还是板块没轮动到？ 这篇文章用 Python 拉取 8 大宽基指数实时行情，做一个「大盘温度快照」：一眼看清上证、深证、创业板、科 阅读全文

摘要： 你已经在电脑前搭好了盯盘脚本，涨幅一到阈值就弹桌面通知。问题是——你不可能 24 小时坐在电脑前。 lunch 时间、通勤路上、睡前刷手机，才是真正需要知道持仓异动的时候。 这篇文章解决一个问题：让 Python 把盘中告警直接推到你手机上。我们会用到一个轻量级方案：本地行情筛选 + webhook 阅读全文

摘要： 收官篇。把整套《量化投资从入门到精通》按八阶学习路径串成一张图，并告诉你下一步往哪走。 一、为什么要一张路线图 前面 47 篇是"散点"——每篇解决一个具体问题。但学量化像爬楼，缺一层就上不去： 不懂前视偏差(#04)，回测再漂亮也是假的 不懂样本外(#27)，参数再优也是拟合 不懂成本(#31/# 阅读全文

摘要： 专题阶终章。前面 47 篇把"因子"讲了个体无遗，这一篇用 AI/机器学习把它们自动拧成一个预测分数——并老实告诉你，为什么 AI 量化是最容易翻车的地方。 一、这个方法解决什么投资问题 37 讲过手动 IC 加权合成因子。但当因子有十几个、还互相非线性相关时，人脑调权重就力不从心了。机器学习（ML 阅读全文

摘要： 专题阶。前几篇用了不少"因子"，这一篇回到最朴素的价值投资灵魂一问：怎么用财报，挑出"又便宜、又能赚"的公司？ Greenblatt 的"魔法公式"把这件事压缩成两个排名。 一、这个方法解决什么投资问题 价值投资听起来很"艺术"——读财报、懂生意、等低估。但 Joel Greenblatt 在《股市 阅读全文

摘要： 专题阶。可转债讲完，这一篇讲基金——普通投资者接触最多的品种。买基金看平台排名？那是最容易被忽悠的选法。用量化，只用一条"净值曲线"就能给基金排座次。 一、这个方法解决什么投资问题 基金销售页最爱晒"近一年涨了 80%"。但： 80% 可能是踩中了单一赛道的高波动，跌起来也狠； 排名是"和别人比"， 阅读全文